基于三维点云深度学习的路面异物检测

【文件属性】：
文件名称：基于三维点云深度学习的路面异物检测
文件大小：1.1MB
文件格式：PDF
更新时间：2021-05-06 11:55:09
FOD 3D相机 深度图像处理 点云非均匀降采样 三维卷积神经网络 针对采机场跑道异物FOD (Foreign Object Debris)检测问题, 本文设计了一套基于智能车载3D相机采集路面信息并进行异物检测的系统. 此系统通过深度图像的深度量化值分布差异初步筛除正常路面, 再经过点云异常值过滤与不均匀降样算法对参数进行纠正和数据量缩减, 精简后的点云通过对路面数据适应性改进的网络进行异物检测. 此网络采用PointCNN网络中的X卷积通过4次卷积提取点云数据进行空间特征, 尽可能的保留了异物目标的空间信息, 提高检测准确度. 通过对采集的数据进行测试实验, 本文设计的方法能够准确地识别出异物与非平整路面, 准确率接近90%.